发票格式识别器

Question

我正在使用一个从发票接收所有文本的应用程序（文本是通过处理该发票的扫描图像获得的）。现在，因为有几种可用的发票格式，所以我需要对应用程序接收的格式进行分类。例如，某些格式可能包含单元数，而有些则不包含（但它们都有总成本）。

我对解析技术进行了一些研究，但没有找到可行的解决方案。您对这类问题有什么建议吗？

Answer 1

在 Perl 中，您可以使用 Marpa，这是一个通用的 BNF 解析器——在 BNF 中描述您的发票格式，Marpa 将根据 BNF 解析您的发票，参见例如它是如何用这个simple code 解决这个complex example 的。